Introduction to Machine Learning
O Aprendizado de Máquina (Machine Learning) representa uma mudança de paradigma na computação e na ciência. Em vez de escrever regras manuais estritas predefinidas, nós construímos modelos matemáticos que aprendem os padrões subjacentes diretamente a partir dos dados, transformando o ruído contido nas informações empíricas em capacidade de previsão e inferência.
Resumo
Esta série de anotações compila o embasamento teórico e a aplicação prática da Inteligência Artificial sob a lente do Aprendizado Estatístico. O conteúdo foi estruturado para guiar o leitor desde o básico dos modelos de regressão e classificação, até técnicas de aprendizado não supervisionado e otimização avançada.
Aqui, o objetivo principal não é apenas instanciar bibliotecas e obter algoritmos rodando. Queremos abrir as caixas-pretas e entender por que e como eles funcionam, mergulhando nas linguagens probabilísticas, de álgebra linear e de cálculo que dão às redes e aos modelos de aprendizado a capacidade de generalizar o conhecimento.
Palavras-chave: Machine Learning, Aprendizado Estatístico, Inteligência Artificial, Ciência de Dados, Algoritmos.
Índice Completo (Table of Contents)
- Introduction
- JAMES, G. et al. An introduction to statistical learning: with applications in Python. New York: Springer, 2023. (Springer Texts in Statistics).
- JAMES, G. et al. An introduction to statistical learning: with applications in R. 2. ed. New York: Springer, 2021. (Springer Texts in Statistics).
- MURPHY, K. P. Probabilistic machine learning: an introduction. Cambridge, MA: MIT Press, 2022. (Adaptive Computation and Machine Learning Series).
- HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The elements of statistical learning: data mining, inference, and prediction. 2. ed. New York: Springer, 2009. (Springer Series in Statistics).